Académique Documents
Professionnel Documents
Culture Documents
Escola de Informática
lpalazzo@atlas.ucpel.tche.br
______________________________________________________________________
Resumo
Este artigo introduz um conjunto de conceitos provenientes de estudos teóricos e
empíricos na ciência do caos e da complexidade com ampla aplicação na modelagem
de sistemas computacionais adaptativos, evolutivos de simulação e de otimização em
geral. Tais sistemas são aqui considerados sob o ponto de vista de sua organização e
dos fenômenos que a provocam e sustentam. Os conceitos de auto-organização,
sistemas complexos adaptativos, criticalidade, fronteira do caos e evolução são
comentados, destacando-se o modo como estão relacionados na formação de um
padrão estrutural coerente observado freqüentemente na natureza. Aborda-se também
o emprego desses conceitos na modelagem de sistemas computacionais e suas
perspectivas de aplicação como um paradigma para a construção de sistemas
complexos de informação.
____________________________________________________
1 Introdução
O estudo de sistemas complexos cresceu muito nos últimos anos, não obstante
ser o próprio conceito de complexidade definido muito vagamente e segundo
diversas teorias alternativas [KOL65] [CHA75] [CRU94]. O termo
“complexidade” vem do latim, complexus, que
significa entrelaçado ou torcido junto. Isto pode ser interpretado da seguinte
maneira: para se ter um sistema complexo é necessário (1) duas ou mais
diferentes partes ou componentes e (2) estes componentes devem estar de
algum modo interligados formando uma estrutura estável [HEY88]. Aqui se
encontra a dualidade básica entre partes que são ao mesmo tempo distintas e
interconectadas. Um sistema complexo não pode então ser analisado ou
separado em um conjunto de elementos independentes sem ser destruído. Em
conseqüência não é possível empregar métodos reducionistas para a sua
interpretação ou entendimento. Se um determinado domínio é complexo ele
será, por definição, resistente à análise.
2 Ordem e Caos
O termo complexidade é por vezes também tomado como um sinônimo
de desordem ou caos. Entretanto, somente a noção de desordem não é
suficiente para definir complexidade. É necessário também entender o
conceito de ordem. Exemplos simples de ordem são estruturas simétricas
(p.ex: reticulados cristalinos). A simetria é definida matematicamente como a
invariância sob um conjunto de operações ou transformações (não
necessariamente um grupo). A principal característica de um sistema ordenado
é a sua previsibilidade (espacial ou temporal). Não é necessário conhecer o
sistema como um todo para reconstruí-lo ou prever sua estrutura: o sistema é
redundante.
3 Dinâmica
O passo seguinte no estudo da complexidade corresponde à análise de como
um sistema complexo evolui, isto é, como ele se modifica ao longo do tempo.
A invariância limitada postulada na seção anterior não se aplica somente a
transformações geométricas ou espaciais, mas também a transformações
temporais ou dinâmicas. Isto significa que certas partes ou estruturas do
sistema serão conservadas durante uma certa evolução de tempo enquanto que
outras irão se modificar. Até aqui esta descrição parece bastante trivial: uma
parte do sistema se modifica enquanto que outra permanece sem
modificações. É necessário entretanto algum método para identificar quais os
subsistemas que irão mudar e quais os que irão permanecer inalterados.
4 Auto-organização
Outra questão fundamental é: “De onde vem a ordem?” Segundo as leis gerais
da termodinâmica parece que os processos dinâmicos tendem a seguir os
caminhos de menor consumo de energia até que o sistema encontre um ponto
de equilíbrio onde permanecerá enquanto não sofrer perturbação. Há diversos
exemplos na natureza de sistemas e organismos que apresentam elevada
energia e organização internas em aparente desafio às leis da física. Alguns
deles são:
5 Pré-condições da Auto-organização
É necessário a um sistema satisfazer diversas pré-condições e valer-se de
vários mecanismos para promover a auto-organização [NIC89] [FOR94]. Tais
mecanismos são de certa forma redundantes e pouco definidos, entretanto
permitem avaliar intuitivamente o potencial de auto-organização dos sistemas.
São eles:
Abertura Termodinâmica: Em primeiro lugar o sistema (uma unidade
reconhecível, tal como um órgão, um organismo ou uma população)
deve trocar energia e/ou massa com o seu ambiente. Em outras
palavras, deve haver um fluxo não-nulo de energia através do sistema.
Comportamento Dinâmico: Se um sistema não está em equilíbrio
termodinâmico, a única opção que resta para o seu comportamento é
assumir algum tipo de dinâmica, significando que o sistema encontra-se
em contínua mudança.
Interação Local: Uma vez que todos os sistemas naturais apresentam
inerentemente interações locais, esta condição parece ser um
importante mecanismo para a auto-organização e como tal deve ser
incorporada aos modelos que a representam.
Dinâmica Não-Linear: Um sistema com laços de feedback positivo e
negativo é modelado com equações não-lineares. A auto-organização
pode ocorrer quando existem laços de feedback entre as partes
componentes do sistema e entre estes componentes e as estruturas que
emergem em níveis hierárquicos mais altos.
Grande Número de Componentes Independentes: Uma vez que a
origem da auto-organização recai nas conexões, interações e laços de
feedback entre as partes dos sistemas, torna-se claro que sistemas auto-
organizáveis devem possuir um grande número de componentes.
Comportamento geral independente da estrutura interna dos
componentes: Isto quer dizer que não importa do que ou como são
feitos os componentes do sistema, desde que eles façam as mesmas
coisas. Em outras palavras, isto significa, que a mesma propriedade
emergente irá surgir em sistemas completamente diferentes.
Emergência: A emergência é provavelmente a noção menos conhecida
dentre as que se relacionam com auto-organização [CRU94]. A Teoria
da Emergência diz que o todo é maior do que a soma das partes e o
todo exibe padrões e estruturas que surgem espontaneamente do
comportamento das partes..
Comportamento geral organizado e bem definido: Desconsiderando a
estrutura interna de um sistema complexo e observando-o apenas como
um fenômeno emergente constata-se que seu comportamento é bastante
preciso e regular.
Efeitos em Múltiplas Escalas: A emergência também aponta para
interações e efeitos entre múltiplas escalas nos sistemas auto-
organizáveis. As interações em pequena escala produzem as estruturas
em grande escala as quais por sua vez modificam a atividade na
pequena escala.
6 Estruturas de Feedback
Uma estrutura de feedback é um laço causal, uma cadeia de causas e efeitos
que forma um anel. Dentre essas estruturas, a mais simples é o feedback de
reforço, também conhecido como efeito bola-de-neve ou ciclo vicioso. A
principal característica do feedback de reforço é ser auto-amplificador. Quanto
mais complexo um sistema (seres vivos, por exemplo) maior o número de
estruturas de feedback que apresenta. Tem sido observado que sistemas que
apresentam feedback tendem a desenvolver propriedades completamente
novas. Este fenômeno, como já se viu, denomina-se emergência e as novas
propriedades do sistema são ditas propriedades emergentes.
7 O Efeito Dominó
A onda é um padrão muito comum, considerado por alguns como emergente.
Um dos exemplos que melhor descrevem uma onda é o efeito dominó. Causa
grande impressão observar dominós cairem sucessivamente, derrubados pela
queda de seus antecessores, produzindo assim uma onda. Entretanto, se este é
um padrão emergente, deve haver um ciclo em algum lugar. Observando
cuidadosamente o efeito dominó pode-se considerar o mesmo comparável ao
efeito produzido por uma esfera invisível, rolando sobre os dominós e
derrubando-os em seqüência. Visto desta maneira, o efeito dominó lembra em
muito o efeito bola de neve anteriormente citado. A esfera invisível possui o
mesmo movimento e, como a bola de neve, deixa um rastro: os dominós
tombados atrás de si. A visão circular do fenômeno é vista na Figura 2. Apesar
das grandes diferenças, o efeito bola de neve e o efeito dominó compartilham
a mesma estrutura subjacente e resultam portanto bastante similares. Esta
similaridade, entretanto, permanece invisível a menos que se adote também a
visão circular do fenômeno. No caso do efeito dominó, a representação
adotada pode parecer estranha, tomando o efeito (a onda) pela causa imaterial
(a esfera invisível), no entanto não se deve esquecer que ambos representam
apenas diferentes visões de uma mesma estrutura de feedback.
Figura 2
9 Sobrevivência e Uniformidade
Quando se observa a onda de dominós (ou uma onda no oceano ou qualquer
outra onda) tem-se a sensação que ela de algum modo sobrevive de um
momento para o seguinte, isto é, a onda se apresenta como sendo única e de
duração prolongada no tempo. A questão é que quando a onda se auto-
reproduz, avançando para o momento seguinte, ela o faz a partir de
componentes diferentes. Assim, se a onda emergente for observada da
perspectiva dos dominós ela não será a mesma onda. Isto é verdadeiro para
todos os fenômenos emergentes.
Estrutura Padrão
Meta-balanceamento Desbalanceamento
10 Sistemas Complexos
A teoria da complexidade se relaciona muito de perto com a teoria dos
sistemas. Ambas por sua vez estão relacionadas com a teoria do caos e com a
cibernética. A grosso modo esse relacionamento pode ser resumido como se
apresenta na Tabela 2
Tabela 2
Sistemas Comportamento
Teoria dos Sistemas simples simples
Figura 3
11 Vórtices
Redemoinhos em águas revoltas e tornados em céus turbulentos são exemplos
perfeitos de vórtices. O curioso sobre os vórtices é que parece haver alguma
força em seus centros sugando grandes massas a partir de um ponto impreciso.
Isto entretanto é apenas uma ilusão ocasionada pelo movimento das massas
em círculo. Se estas forem removidas do vórtice não resta absolutamente
nada. É como remover as cascas de uma cebola esperando encontrar algo em
seu interior. Entretanto, observando-se os vórtices, fica claro que existe uma
força em algum lugar. Onde está ela? A resposta é talvez uma das mais
importantes noções da ciência da complexidade: ela vem de dentro do
sistema. Ainda que na aparência uma força externa esteja organizando o
vórtice, são as próprias massas em movimento circular que animam o
fenômeno. Uma das razões pela qual este conhecimento é tão importante é
que ele encerrou a longa disputa entre o vitalismo e o materialismo. Os
vitalistas defendiam a idéia de que a existência da vida depende de uma força
vital, enquanto que os materialistas acreditavam não ser necessária nenhuma
força externa para produzir vida. O estudo dos vórtices mostra que ambas as
visões estão corretas. Os vitalistas, bastante acertadamente, identificaram
uma força vital, que corresponde à força de sucção ilusória existente no centro
do vórtice. A visão materialista é também correta, uma vez que tal força vital
emerge do interior do sistema. Nada do exterior está organizando o vórtice. A
força vital é real, mas não existe no sentido usual de existência, possuindo o
que se denomina uma hiper-existência. Para que ocorra a hiper-existência é
necessário satisfazer as seguintes condições:
Todas essas três condições são satisfeitas pelos vórtices: (1) Um vórtice
não pode emergir no vácuo, ele necessita estar incorporado em um meio
físico. Isto corresponde à primeira parte da definição de um sistema
complexo: um sistema complexo consiste em muitos componentes
independentes. (2) Um vórtice não pode emergir a menos que as massas de ar
ou água que o compõem estejam em movimento (desbalanceadas).
Finalmente, (3) um vórtice é por si próprio uma estrutura circular,
possiblilitando a ocorrência de feedback. Quando essas três condições são
satisfeitas, a força ilusória de sucção emerge no centro do vórtice.
12 Ressonância
Além do efeito bola-de-neve, do efeito dominó e do vórtice, há um quarto
fenômeno emergente que deve ser observado: a ressonância. Como se verá a
seguir a ressonância possui exatamente as mesmas propriedades das três
outras estruturas. Além disso, enfatiza outras importantes propriedades dos
sistemas complexos. No sentido usual com que a palavra é empregada,
ressonância é um som prolongado por um processo repetitivo. Pode ser
produzida pelo uivo do vento, por um apito, por uma guitarra elétrica ou um
órgão tubular. A definição técnica de ressonância é basicamente a mesma,
exceto que não está restrita a ondas sonoras, generalizando a idéia para
qualquer tipo de onda. O que se denominou processo repetitivo é exatamente
algum tipo de feedback. Na Figura 4 apresenta-se um tipo de ressonância
sonora que é um problema comum entre os músicos.
Figura 4
Ressonância sonora
O som captado pelo microfone é amplificado e retorna ao ambiente através do
alto-falante. Daí este som amplificado passa a ser também captado pelo
microfone e a bola de neve começa a rolar novamente. O resultado audível é
um som muito agudo e alto que pode inclusive danificar equipamentos mais
sensíveis. Uma análise do espectro deste som mostra a evolução emergente de
um pico senoidal, que cresce e se torna cada vez mais alto, terminando em
uma única freqüência, como é mostrado na Figura 5. Este é o padrão
característico de desenvolvimento de uma onda de ressonância A novidade
aqui é aredução de informação: o som original, composto de muitas
freqüências, termina em uma única freqüência.
Figura 5
A seleção natural não é somente um filtro, ela é também uma ressonância que
amplifica os organismos adequados enquanto que os inadequados vão sendo
retirados de cena. Entretanto, para ser realmente criativa a seleção natural
precisa estar desbalanceada. Como desbalancear um sistema biológico? A
resposta é: levar os organismos a competir por recursos limitados. Quando os
organismos competem eles tornam a própria adequação instável. O que hoje é
adequado pode não o ser amanhã. Um cenário de adequação dinâmica é fonte
de novos fenômenos emergentes que tornam a seleção natural mais do que um
mero processo de filtragem passiva. A adequação dinâmica
produz criatividade e inteligência. Este é o fenômeno emergente mais
importante de todos, porque abre o caminho para a evolução da evolução. Isto
pode ser constatado na seleção natural, na evolução da mente e na evolução
cultural dos povos.
Sistemas complexos são todos constituídos de outros todos. Um relógio, por
exemplo, não é um sistema complexo por ser constituído de partes e não de
todos. A remoção de uma mola traz conseqüências fatais para o relógio, que
simplesmente deixa de funcionar. Um sistema complexo, por outro lado, não é
criticamente dependente de seus componentes, que por sua vez são
outros todos. Se uma célula morre ou uma formiga se perde isto tem pouco
efeito sobre o sistema ao qual pertencem. Para estar em meta-balanceamento
um sistema complexo precisa estar desbalanceado ao nível dos componentes.
Como colocar sistemas complexos em desbalanceamento? Simplesmente
dando independência e liberdade a seus componentes. Sistemas complexos
são meta-estáveis porque são constituídos de todos independentes que
interagem. Quanto mais liberdade possuem os componentes, mais
desbalanceado se torna o sistema e isto é fonte de mais meta-estabilidade
global. Tudo isto traz claras evidências de que a natureza de alguma forma
oscila entre o caos e a ordem.
14 A Fronteira do Caos
Sistemas auto-organizáveis apresentam freqüentemente uma forma altamente
complexa de organização. As colmeias, por exemplo, tem padrões óbvios e
regularidades mas não são estruturas simples. Elementos estocásticos afetam a
estrutura e a dinâmica de uma colmeia obtendo respostas variáveis e não
determinísticas. Da mesma forma as nuvens, padrões climáticos, correntes nos
oceanos, assembléias comunitárias, economias e sociedades, todos exibem
formas complexas de auto-organização.
Não há uma definição geral apropriada para complexidade, apesar desta ser
considerada de muitas formas. Intuitivamente a complexidade encontra-se em
algum lugar entre a ordem e o caos, entre a superfície espelhada de um lago e
a turbulência de um maremoto. A complexidade tem sido medida através de
entropia métrica, profundidade lógica, conteúdo de informação e outras
técnicas semelhantes. Estas medidas são adequadas a aplicações específicas da
química e da física mas nenhuma delas descreve completamente as
características da auto-organização.
As transições de fase nem sempre ocorrem de forma brusca como quebra entre
dois estágios. Por exemplo, a passagem de um líquido do ponto de
congelamento para o de ebulição se dá de forma gradual entre um estado e
outro. Entretanto, a transformação do estado líquido para o gasoso nas
vizinhanças de temperatura de ebulição se dá num espaço muito estreito entre
os dois estados. Após um aquecimento gradual ocorre uma mudança brusca
para o estado de gás, de forma que as duas fases são claramente distintas,
separadas por uma estreita região que apresenta as condições de transição de
fase. O estudo de tais regiões é normalmente muito útil para a previsão das
propriedades do sistema ou substância em diferentes condições.
15 Criticalidade Auto-organizada
Em um estudo pioneiro, Per Bak e seus colaboradores. [BAK88] investigaram
o comportamento de sistemas dinâmicos espacialmente estendidos
empregando simulações em computadores de um modelo que haviam
desenvolvido e denominado “monte de areia”. Neste modelo grãos de areia
vão sendo continuamente depositados sobre uma mesa. Em um certos
momentos o monte está tão alto quanto possível para sua base e então a areia
escorrega pela encosta aumentando a base e permitindo ao monte continuar
crescendo. O monte de areia é muito sensível a perturbações (se a mesa for
sacudida mais areia cai pelas encostas) mas os valores obtidos para a
inclinação máxima do monte de areia, apesar de não se apresentarem
absolutamente regulares, flutuam dependendo das condições iniciais e da
perturbação exercida sobre o sistema. Devido a este equilíbrio estável, ainda
que precário, Bak e sua equipe concluíram que o sistema se apresentava em
estado crítico. Além disso notaram que o sistema se auto-organizava em
direção ao estado crítico sem necessidade de nenhum ajuste ou sintonia:
quaisquer que fossem as condições iniciais o sistema tendia sempre ao estado
crítico. Este fenômeno recebeu a denominação decriticalidade auto-
organizada. Especula-se que este conceito possa ser fundamental para a
escalabilidade espacial e temporal em sistemas dissipativos em desequilíbrio.
Francis Heylighen [HEY96] propõe que o primeiro passo para tornar uma
memória associativa mais eficiente é permitir que ela própria descubra a melhor
organização possível para si própria. Na mente humana, conhecimento e significado se
desenvolvem mediante um processo de aprendizado associativo: os conceitos que são
mais freqüentemente usados juntos se tornam mais fortemente conectados. É possível
implementar mecanismos similares na WWW criando associações com base nos
caminhos percorridos pelos usuários através da rede de links. O princípio é
simplesmente este: os caminhos percorridos por mais usuários se tornam mais fortes,
enquanto que links raramente usados se tornam mais fracos.
Uma heurística simples pode então propor possíveis candidatos para novos links:
Se um usuário navega de A para B e de B para C, é provável que exista não somente
uma relação entre A e B mas também entre A e C (transitividade) e entre B e A
(simetria). Desta forma novos links potenciais seriam continuamente gerados
(variedade) mas somente aqueles que obtivessem determinada força seriam retidos e
tornados visíveis ao usuário (restrição), enquanto que aqueles que não atingissem
tal limiar de visibilidade seriam mantidos ocultos. Um experimento realizado sobre um
sistema hipertexto adaptativo [BOL96] comprovou a exeqüibilidade desta idéia.
Bibliografia
[BAK88] Bak, P.; C. Tang; e K. Wiesenfeld: Self-organized criticality. Physical Review A 38:364-374,
1988.
[BOL96] Bollen, J.; Heylighen, F.: Algorithms for the Self-Organization of Distributed Multi-user
Networks. In: R. Trappl (ed.). Cybernetics and Systems ‘96.. World Science, Singapore,
1996.
[BRO94] Brown, J. H.: Complex ecological systems. Pages 419- 443 in G. Cowan, D. Pines, and D.
Meltzer (eds.) Complexity: metaphors, models, and reality. Addison-Wesley,
Massachusetts, 1994.
[CHA75] Chaitin, G.J.: A Theory of Program Size Formally Equivalent to Information Theory. Journal of
ACM 13(1966) ibid 22(1975), .p.329.
[CRU94] Crutchfield, J. P.: Is anything ever new? In G. Cowan, D. Pines, and D. Melsner (eds.): SFI
studies in the sciences of complexity XIX. Addison-Wesley, Massachusetts, 1994.
[DEC97] Decker, N.: Self-Organizing Systems. University of New Mexico. Biology 576: Landscape
Ecology & Macroscopic Dynamics. Albuquerque, 1997.
[FOR94] Forrest, S.; T. Jones. Modeling complex adaptive systems with echo. P. 3-21 in R. J. Stoner and
X. H. Yu, (eds.) Complex Systems: mechanisms of adaptation. IOS Press, Amsterdam,
1994.
[GEL94] Gell-Mann, M.: The Quark and the Jaguar. W. H. Freeman, New York, 1994.
[GRE93] Green, D. G.: Emergent behaviour in biological systems. P. 24-35 in D. G. Green and T. J.
Bossomaier, editors. Complex Systems - From Biology to Computation. IOS Press,
Amsterdam, 1993.
[HEY88] Heylighen, F.: Building a Science of Complexity. 1988 Annual Conference of the Cybernetic
Society. Londin, 1988.
[HEY96] Heylighen, F.; Bollen, J.: The World Wide Web as a Superbrain: From Methafor to Model. In:
Cybernetics and Systems ’96. World Science, Singapore, 1996.
[HIE94] Hiebeler, D.: The swarm simulation system and individual-modeling based. In Decision Support
2001: advanced technology for natural resource management, 1994.
[HOU88] Huston, M., D. DeAngelis, and W. Post. 1988.: New computer models unify ecological theory.
Bioscience 38:682-691, 1988.
[ISO97] ISOC - Internet Society: Internet Growth Statistics. February 1997.
ftp://ftp.isoc.org/isoc/History/90s_host.txt
[ITO93] Ito, K; Y. Gunji.: Self-organisation of living systems: towards criticality at the edge of chaos.
BioSystems 33:17-24, 1993.
[KAU91] Kauffman, S. A. 1991.: Coevolution to the edge of chaos: coupled fitness landscapes, poised
states, and coevolutionary avalanches. Journal of Theoretical Biology 149:467-505, 1991.
[KAU93] Kauffman, S. A.: Origins of Order: self- organization and selection in evolution. Oxford Univ.
Press, New York, 1993.
[KAU95] Kauffman, S. A.: At Home in the Universe. Oxford University Press, New York, 1995.
[KAW94] Kawata, M., and Y. Toquenaga.: Artificial individuals and global patterns. Trends in Ecology
and Evolution 9:417-421, 1994.
[KIL96] Killen, J.: Internet: Global Penetration 1996 and Forecast 2000. December 1996.
http://www.killen.com/ipf.htm.
[KOL65] Kolmogorov, A. N.: Three Approaches to the Quantitative Definition od Information. Problems
of Information Transmission v1 n.1 pp. 1-1, 1965.
[LAN90] Langton, C. G.: Computation at the edge of chaos: phase transitions and emergent
computation. Physica D 42:12-37, 1990.
[LAN94] Langton, C. G., (ed.): Artificial Life III. Addison-Wesley, New York, 1994.
[MIT93] Mitchell, M., P. Hraber, and J. P. Crutchfield. 1993. Revisiting the edge of chaos: Evolving
cellular automata to perform computations. Complex Systems 7:89-130, 1993
[NIC89] Nicolis, G., and I. Prigogine: Exploring complexity. W. H. Freeman, New York, 1989.
[OLS95] Olson, R. L., and R. A. Sequeira: An emergent computational approach to the study of
ecosystem dynamics. Ecological Modelling 79:95-120, 1995.
[PAC88] Packard, N. H. 1988. Adaptation toward the edge of chaos. P. 293-301 in A. J. Mandell, J. A. S.
Kelso, and M. F. Shlesinger (eds.) Dynamic Patterns in Complex Systems. World
Scientific, Singapore, 1988.
[PER95] Perry, D. A. 1995. Self-organizing systems across scales. Trends in Evolution and Ecology
10:241-244, 1995.
[PRI84] Prigogine, I.; Stengers, I.: Order Out Of Chaos. Bantam Books, New York, 1984.
[SHU92] Shugart, H. H., T. M. Smith, and W. M. Post: The potential for application of individual-based
simulation models for assessing the effects of global change. Annual Review of Ecological
Systems 23:15-38, 1992.
[SOL95] Sole, R. V.; S. C. Manrubia.: Are rainforests self-organized in a critical state? Journal of
Theoretical Biology 173:31-40, 1995.
[SOL95a] Sole, R. V.; O. Miramontes.: Information at the edge of chaos in fluid neural networks.
Physica D 80:171- 180, 1995.
[SWE89] Swenson, R.: Emergent attractors and the law of maximum entropy production: foundations to
a theory of general evolution. Systems Research 6:187-197, 1989.
[WAL92] Waldrop, M.M. Complexity: the emerging science at the edge of order and chaos. Simon &
Schuster, New York, 1992.
[YAT87]Yates, F. E.(ed.): Self-Organizing Systems: the emergence of order. Plenum Press, New York,
1987.